Question

我使用此代码加载我的网：

@IBAction func slow(sender: UIButton) {
    if let filePath = NSBundle.mainBundle().URLForResource("io", withExtension: "mp3") {

    let _a = try! AVAudioPlayer(contentsOfURL: filePath)
            // Play

          _a.play()

      }else
    {

        print("error")
    }  
}

我怀疑有三条线。

1- net = caffe.Classifier(MODEL_FILE, PRETRAINED, mean=np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy').mean(1).mean(1), channel_swap=(2,1,0), raw_scale=255, image_dims=(256, 256))

什么意思？我应该使用这个平均值还是其他？如果是的话，我在哪里可以获得自定义平均值？我使用的是自定义数据集。

2- mean=np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy').mean(1).mean(1)

channel_swap是什么意思？同样，我应该使用此值还是自定义值？

最后一次

3- channel_swap=(2,1,0)

什么是raw_scale？我应该使用什么价值？

我正在使用Cohn Kanade数据集。所有图像均为64x64且为灰度。

Answer 1

channel_swap是将RGB反转为BGR，如果您使用参考图像网络模型，这显然是必要的，基于[1]中的注释。在您的情况下，图像是灰度的，因此您可能没有三个通道。您可能需要将其设置为（0,0,0），但即使这样也可能没有帮助（我不确定channel_swap的确切实现）。如果这没有帮助，最简单的解决方案可能是通过将每个像素分成具有相等值的三个值（RGB）来预处理数据。之后，您可以完全删除channel_swap，因为您的频道具有相同的值，并且交换它们是无操作。

平均值是从输入数据中减去的中心值。（请记住，神经网络需要数据为零均值，而输入图像通常具有正均值，因此需要减法）。您减去的平均值应该与用于训练的平均值相同，因此使用与模型关联的文件中的平均值是正确的。但是，我不确定你是否应该致电.mean(1) - 你是否从某个例子中得到了这一点？如果是，那么很可能是正确的事情。

raw_scale是输入数据的比例。模型需要对像素进行标准化，因此如果输入数据的值介于0到255之间，则设置为255的raw_scale是正确的。如果您的数据的值介于0和1之间，则raw_scale应设置为1。

最后，根据我对[2]中评论的理解，您不需要提供image_dims

[1] https://github.com/BVLC/caffe/blob/master/python/caffe/io.py#L204

[2] https://github.com/BVLC/caffe/blob/master/python/caffe/classifier.py#L18

Answer 2

我同意@Ishamael对channel_swap和意思的评论。我只是想进一步澄清raw_scale。假设图像加载caffe.io.load_image，则值始终在0到1 [1]的范围内。请注意：

虽然Python代表[0,1]中的图像，但某些Caffe模型 CaffeNet和AlexNet代表[0,255]中的图像，因此raw_scale 这些模型必须是255。

我认为在馈送到网络数据层之前检查输入图像值是明智的，以便选择合适的raw_scale。

谢谢。

[1] https://github.com/BVLC/caffe/blob/master/python/caffe/io.py#L224

Caffe，如何从预训练网中预测

2 个答案: